LLM-Agenten ermöglichen Zero-Shot 3D-Map-Generierung ohne Training

Ein neues Verfahren nutzt Large Language Models (LLMs) als Agenten, um komplexe 3D‑Karten ohne vorangehendes Training zu erzeugen. Dabei arbeiten ein Actor‑Agent und ein Critic‑Agent zusammen, um Parameter für die prozedurale Inhaltserzeugung (PCG) automatisch zu konfigurieren und kontinuierlich zu verfeinern.

Der Actor-Agent interpretiert natürliche Sprachbeschreibungen und setzt erste Parameterwerte, während der Critic-Agent die Ergebnisse bewertet und Feedback liefert. Durch diesen iterativen Prozess wird die Diskrepanz zwischen abstrakten Nutzeranweisungen und den strengen Spezifikationen der PCG‑Tools schrittweise reduziert.

Tests auf verschiedenen 3D‑Map‑Szenarien zeigen, dass das Dual‑Agenten‑Modell bestehende Single‑Agent‑Baselines übertrifft. Es erzeugt vielfältige, strukturell valide Umgebungen, die exakt den Nutzerpräferenzen entsprechen, und demonstriert damit, dass handelsübliche LLMs als generische Agenten für beliebige PCG‑Werkzeuge eingesetzt werden können.

Durch die Verschiebung des Aufwands von der Modell‑Feinabstimmung hin zu einer durchdachten Architektur bietet die Methode einen skalierbaren Rahmen, um komplexe Software ohne task‑spezifisches Training zu beherrschen.